論文の概要: GhostTac: Manipulating Tactile Sensors without Physical Contact
- arxiv url: http://arxiv.org/abs/2608.20817v2
- Date: Mon, 24 Aug 2026 02:23:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.030449
- Title: GhostTac: Manipulating Tactile Sensors without Physical Contact
- Title（参考訳）: GhostTac:触覚センサーを物理的接触なしで操作する
- Abstract要約: 我々はGhostTacについて、私たちの知る限り、電磁干渉(EMI)による触覚センシングを操作する最初の非接触攻撃について紹介する。
EMIは非線形整流と帯域幅の増幅効果を生かし、慎重に構築されたEMI信号を永続的なDCオフセットに変換して、オンボードフィルタリングをバイパスし、安定した測定偏差を誘導する。
GhostTacを10個のセンサーモジュールと2個のディクスタラスハンドで評価し、15種類の触覚センサーをカバーし、全テストデバイスで一貫した攻撃効果を示した。
- 参考スコア（独自算出の注目度）: 19.72027665321065
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tactile sensors are integral components of modern robotic systems, enabling robots to perceive and interact with the physical environment through tactile feedback. Despite their importance, the physical-layer security of tactile sensors has received little attention in prior work. In this paper, we present GhostTac, to the best of our knowledge, the first contactless attack that manipulates tactile sensing via electromagnetic interference (EMI). We identify that EMI exploits the nonlinear rectification and limited bandwidth amplification effects, allowing carefully crafted EMI signals to be converted into a persistent DC offset that bypasses on-board filtering and induces stable measurement deviations. Building on this mechanism, GhostTac enables fine-grained and controllable manipulation of sensor outputs by reshaping the spatial distribution and manipulating the magnitude at the targeted location. Such interference can induce unintended and harmful robot behaviors, such as causing a domestic robot to exert excessive force, resulting in physical damage or human injury. We evaluate GhostTac on 10 sensor modules and 2 dexterous hands, covering 15 tactile sensors of different types, and demonstrate consistent attack effectiveness across all tested devices. We further present three case studies on tactile grasping, slip detection, and material classification to illustrate practical impacts in real robotic tasks. We envision that our findings shed light on a new physical attack vector against tactile sensing in robotic systems.
- Abstract（参考訳）: 触覚センサーは現代のロボットシステムにとって不可欠なコンポーネントであり、触覚フィードバックによってロボットが物理的環境を知覚し、操作することができる。
その重要性にもかかわらず、触覚センサーの物理的層セキュリティは、以前の研究でほとんど注目されなかった。
本稿では,電磁的干渉(EMI)による触覚センシングを操作する最初の非接触攻撃であるGhostTacについて述べる。
我々は、EMIが非線形整流と帯域幅増幅効果を生かし、念入りに構築されたEMI信号を持続的なDCオフセットに変換し、オンボードフィルタをバイパスし、安定した測定偏差を誘導することを示した。
このメカニズムに基づいてGhostTacは、空間分布を変換し、ターゲット位置で大きさを操作することにより、センサ出力のきめ細かな制御可能な操作を可能にする。
このような干渉は、家庭ロボットに過度な力を与えるような意図しない有害なロボットの振る舞いを誘発し、身体的な損傷や人的損傷をもたらす。
GhostTacを10個のセンサーモジュールと2個のディクスタラスハンドで評価し、15種類の触覚センサーをカバーし、全テストデバイスで一貫した攻撃効果を示した。
さらに, 触覚把握, スリップ検出, 材料分類の3つのケーススタディを行い, 実際のロボット作業における実用的影響を明らかにした。
我々は、ロボットシステムにおける触覚検出に対する新たな物理的攻撃ベクトルについて、我々の研究結果に光を当てることを想定した。
関連論文リスト
- AetheRock: An Arm-Worn Robot Teaching System for Force-Guided Vision-Tactile Learning [56.20593626288444]
AetheRockは、モジュール式で簡単に製造できるビジュオ触覚センサー、GelSlim-MiniFabを指先で搭載した腕縫いのデバイスだ。
本稿では,力と視覚を用いた表現学習フレームワークであるForceVTを提案する。
論文 参考訳（メタデータ） (2026-06-08T17:38:57Z) - Phantom Force: Injecting Adversarial Tactile Perceptions into Embodied Intelligence via EMI [5.863997901470895]
身体のインテリジェントなロボットは、触覚センサーを使って物理的な世界と安全に対話する。
本研究は、意図的電磁干渉(EMI)に対する感受性を示すホールエフェクト指先センサの脆弱性を探索する。
攻撃者はこの脆弱性を利用して、ロボットの手を動かして脆弱な物体を粉砕したり、危険なペイロードを落としたりすることができる。
論文 参考訳（メタデータ） (2026-05-13T13:16:44Z) - UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。
UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する
高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
論文 参考訳（メタデータ） (2026-02-01T11:03:01Z) - Sensor-Invariant Tactile Representation [11.153753622913843]
高解像度触覚センサーは、知覚の具体化やロボット操作に欠かせないものとなっている。
この分野における重要な課題は、設計と製造のバリエーションによるセンサー間の伝達性の欠如である。
本稿では,光触覚センサ間のゼロショット転送を可能にする,SITR(Sensor-Invariant Tactile Representations)の抽出手法を提案する。
論文 参考訳（メタデータ） (2025-02-27T00:12:50Z) - Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - AuraSense: Robot Collision Avoidance by Full Surface Proximity Detection [3.9770080498150224]
AuraSenseは、ロボットアームの非死点近接検知を実現する最初のシステムである。
1組の圧電トランスデューサしか必要とせず、市販のロボットにも容易に適用できる。
論文 参考訳（メタデータ） (2021-08-10T18:37:54Z) - Under Pressure: Learning to Detect Slip with Barometric Tactile Sensors [7.35805050004643]
本稿では,バロメトリック触覚センサを用いたスリップ検出法を提案する。
我々は91%以上のスリップ検出精度を達成することができる。
バロメトリック触覚センシング技術とデータ駆動学習の組み合わせは、多くの複雑な操作タスクに適しています。
論文 参考訳（メタデータ） (2021-03-24T19:29:03Z) - Elastic Interaction of Particles for Robotic Tactile Simulation [43.933808122317274]
触覚エミュレーションのための新しいフレームワークであるElastic Interaction of Particles (EIP)を提案する。
EIPは触覚センサを協調粒子群としてモデル化し、弾性理論を適用して接触過程における粒子の変形を制御する。
提案手法の有効性を検証する実験を2つのアプリケーションで行った。
論文 参考訳（メタデータ） (2020-11-23T16:37:00Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。